IoT 및 AIoT를 활용하여 실시간 건설 지능 만들기

태그: #iot #ai #construction #automation #softwarearchitecture

건설 감독관이 브라켓 설치에 사용되는 공통 도구를 찾으려고 한다고 상상해 보세요. 재고 시스템은 해당 도구가 존재한다고 보고하지만, 아무도 그 위치나 어느 층에 있는지 알 수 없습니다. 그리하여 여러 직원이 도구를 찾는 데 시간을 보내고 예정된 작업이 지연됩니다.

이것은 장비 문제가 아닐 수 있습니다. 이것은 가시성(visibility) 문제입니다.

건설 현장은 근로자, 기계, 자재, 배송 및 진행 상황에 대한 끝없는 정보 흐름을 만들어냅니다. 이 정보가 스프레드시트, 사일로화된 애플리케이션, 수동 로그에 저장되면 다음에 무엇을 해야 할지 알기 어렵습니다.

사물인터넷(Internet of Things, IoT)과 인공지능(artificial intelligence, AI)은 현장의 물리적 활동과 디지털 작업 프로세스 간의 연결을 가능하게 할 수 있습니다. 이들은 때때로 AIoT라고 불리는데, 연결된 장치들이 데이터를 수집하고 소프트웨어와 모델이 그 데이터를 유용한 정보로 변환합니다.

반면에 개발자들은 과도한 복잡성을 추가하지 않으면서 이러한 구성 요소들을 조합하여 신뢰할 수 있는 시스템을 만드는 임무를 맡게 됩니다.

1. IoT 대 AIoT: 차이점은 무엇인가?

IoT는 센서, 태그, 게이트웨이 및 통신 네트워크를 통해 물리적 객체를 디지털 세계에 연결하는 것입니다.

건설 분야의 잠재적인 사용 사례는 다음과 같습니다:

• 도구 및 공유 장비 추적.
• 자재 배송 기록.
• 특정 기계 상태 모니터링.
• 자산이 지정된 위치로 진입하거나 벗어나는 것을 인식.
• 현장 활동에 대한 정보 수집.

각 추적 기술은 고유한 사용 사례를 가지고 있습니다. RFID는 체크포인트에서 태그를 스캔하고, Bluetooth LE는 근접성 추적에 사용될 수 있으며, GPS는 실외 추적을 가능하게 하고, 초광대역(ultra-wideband, UWB)은 적절한 경우 더 정확한 위치 정보를 제공합니다.

이 연결된 인프라가 진화하는 다음 단계는 AIoT의 영역입니다. 이 인프라 위에 AIoT는 규칙, 분석(analytics), 그리고 기계학습 모델을 데이터에 적용합니다.

예를 들어, IoT 시스템은 태그가 지정된 자산이 특정 구역에 존재했음을 기록할 것입니다. 반면, AIoT 시스템은 그 이벤트를 과거 이동 경로 및 장비 요청과 같은 다른 정보와 결합하여 비정상적인 상태를 감지할 수 있습니다.

하지만 센서 판독값만으로는 어떤 일이 발생했는지 반드시 알려주지는 않는다는 점을 염두에 두어야 합니다. 견고한 시스템은 관찰된 사실(what you saw)과 모델이 예측하는 것(what a model predicts)을 분리합니다.

1. 신뢰할 수 있는 건설 데이터 파이프라인 설계

똑똑한 AIoT 솔루션은 단순히 센서를 운영자 대시보드에 연결하는 것에 그치지 않습니다. 데이터를 안정적으로 수집(collect), 검증(validate), 처리(process)하고 전달할 수 있는 데이터 파이프라인을 필요로 합니다.

1단계: 장치에서 이벤트 수집하기

사용 사례에 적합한 장치와 추적기부터 선택하는 것으로 시작합니다.

예를 들어, 자재 배송 워크플로우는 RFID 리더기의 사용을 통합할 수 있는 반면, 장비 추적 워크플로우는 BLE 태그 및 게이트웨이를 포함할 수 있습니다. 현장 조건, 정밀도 수준, 설치 비용, 배터리 수명, 그리고 공간 점유율(footprint)이 최적의 선택에 영향을 미칠 것입니다.

현장 테스트가 필수적이었는데, 이는 센서 성능이 금속 구조물, 임시 벽, 장비 재배치 및 간섭 등의 요인에 의해 영향을 받았기 때문입니다.

2단계: 연결성 및 오프라인 작업 처리하기

장치 이벤트는 게이트웨이를 통해 Wi-Fi, 셀룰러(cellular), 또는 LoRaWAN과 같은 사용 가능한 네트워크 중 하나를 통해 처리 시스템으로 전송됩니다.

현장의 커버리지가 불규칙할 수 있습니다. 따라서 설계 시 게이트웨이가 이벤트를 로컬에서 버퍼링하고, 커버리지 내로 돌아왔을 때 이를 전달할 수 있도록 보장해야 합니다.

모든 이벤트는 이벤트 발생 시간과 출처에 대한 표시를 가져야 합니다. 사용자 장치의 클럭 시간이 다를 경우에도 서버가 이벤트를 수신하는 시간과 이벤트 시간이 다를 수 있어야 합니다.

이는 그러한 이벤트들이 지연되어 도착했을 때 이벤트를 더 잘 재구성할 수 있게 해줍니다.

3단계: 수신 데이터 정규화 및 테스트

제조사별 장치들은 형식이 다릅니다. 따라서 데이터 수집(data-ingestion) 서비스는 이벤트를 단일 스키마로 통합하여 정규화해야 합니다.

간소화된 이벤트에는 다음 정보가 포함될 수 있습니다:

• asset_id: 식별된 자산 ID.
• event_type: 감지, 이동 또는 상태 변화 이벤트.
• event_time: 이벤트가 발생한 시간.
• location_id: 감지된 구역 또는 위치.
• source_id: 장치 또는 게이트웨이.
• Quality: 신뢰도 또는 품질에 대한 선택적 지표.

처리 계층(processing layer)은 또한 중복 메시지, 잘못된 형식의 이벤트, 누락된 식별자, 순서가 맞지 않는 타임스탬프를 처리해야 합니다.

예를 들어, 게이트웨이가 네트워크 문제 이후 동일한 메시지를 재시도할 때, 시스템은 이 재시도를 두 번째 물리적 이동으로 간주해서는 안 됩니다. 이러한 종류의 사례에는 이벤트 ID 또는 매우 구체적인 중복 제거(deduplication) 규칙을 사용할 수 있습니다.

4단계: 유용한 정보 저장 및 제공

시스템은 각 자산의 스냅샷뿐만 아니라 각 자산에 대한 전체 이벤트 기록을 저장할 수 있습니다.

현재 방식으로는 다음과 같은 정보를 설명합니다.

진행 상황 추적: 설치 기록 및 현장 이벤트는 프로젝트 계획된 일정과 비교하여 확인하고 잠재적인 편차를 강조할 수 있습니다. 작업이 완료되었다고 간주되기 전에 추가 증거가 필요할 수 있습니다.

기계 원격 측정(telemetry)의 패턴을 분석하여 작동 또는 유지보수 필요성의 이상 징후를 추론할 수 있습니다.

이상 감지: 규칙이나 머신러닝 모델은 비정상적인 움직임, 접근, 또는 보고 누락이 있을 때 경고할 수 있습니다.

모든 사용 사례에 머신러닝(Machine learning)이 필요한 것은 아닙니다. 시나리오가 명확하다면 간단한 규칙만으로도 더 신뢰성이 높고 유지 관리가 어려울 수 있습니다. AI는 단순한 규칙으로는 할 수 없으면서 적절한 기준선(baseline)에서 측정 가능한 무언가를 수행할 때 도움이 됩니다.

1. 해결해야 할 공학적 과제 (Engineering Challenges to Address Early)

여러 가지 문제가 그렇지 않았다면 유망했을 구현에 의문을 제기할 수 있습니다.

데이터 품질: 부정확한 판독값은 사용자에게 오해를 불러일으키는 대시보드와 경고를 생성할 수 있습니다. 이벤트 부족, 반복되는 메시지, 장치 위치 등을 추적하십시오.

상호 운용성(Interoperability): 장치와 애플리케이션이 호환되지 않는 데이터 모델과 프로토콜을 사용합니다. 공급업체별 정보가 통합 계층(integration layers)에 숨겨진 상태로 잘 정의된 인터페이스를 설정해야 합니다.

보안(Security): 장치를 인증하고, 접근을 제한하며, 데이터를 암호화하고, 감사 로그(audit logs)를 보유하며, 소프트웨어 업데이트 프로세스를 정의해야 합니다.

개인 정보 보호(Privacy): 직원에 관련된 모니터링 데이터는 목적 특정적이고(purpose-specific), 정책 기반이며(policy-driven), 접근이 더 제한되어야 합니다.

모델 정확도: 오탐지(false positives)와 미탐지(false negatives)를 추적하십시오. 사용자에게 경고를 이해할 수 있는 충분한 맥락과 부정확한 결과를 수정하는 메커니즘을 제공해야 합니다.

이러한 문제들을 플랫폼이 여러 다른 프로젝트에 배포된 후에 다루는 것보다 시스템의 설계 단계에서 해결하는 것이 더 간단합니다.

1. 측정 가능한 파일럿으로 시작하기 (Start with a Measurable Pilot)

실제 세계의 파일럿 프로젝트는 전체 건설 현장을 한 번에 진행하기에는 실용적이거나 권장되지 않았습니다.

1. 예를 들어, 공용 도구를 찾는 데 필요한 시간을 줄일 수 있습니다.
2. 기준선을 만듭니다. 기존 검색 시간, 지연 또는 수동 추적 노력을 문서화합니다.
3. 추적 기술을 테스트합니다. 현장 조건에서 정확도를 테스트합니다.
4. 시작부터 끝까지 하나의 프로세스를 만듭니다. 이벤트를 수집하고 검증하며, 자산 상태와 관련 알림을 보여줍니다.
5. 성능을 정량화합니다. 탐지 정확도, 놓치는 것, 알림의 신뢰성, 사용자 채택률, 절약되는 시간 등을 모니터링합니다.
6. 증명에 기반하여 구축합니다. 첫 번째 워크플로우가 입증된 후에만 자산 및 통합 수를 확장합니다.

이 방법은 확장하기 전에 비즈니스 이점과 기술적 확신을 보여줍니다.

결론

AIoT는 물리적 자산을 디지털 시스템에 연결하고 팀이 데이터에서 통찰력을 얻도록 도와 건설 현장의 가시성을 향상시킵니다. 하지만 그 이점은 단순히 연결된 장치의 양이나 AI 모델의 복잡성 이상입니다.
https://commconai.com/